Magíster en Analítica para los negocios


Domina las diversas técnicas de análisis de datos para ocupar posiciones de liderazgo, habilitando un mejor entendimiento del negocio y potencializando la toma de decisiones basadas en datos.

Contáctenme
Matricúlate Aquí

Magíster en Analítica para los negocios



Quiénes Somos

La UC Chile es una universidad pública no estatal fundada hace más de 130 años y ocupa actualmente el primer lugar en el ranking QS de Latinoamérica.

En la UC Chile tenemos un compromiso permanente con la calidad, como una forma de expresión de nuestro servicio. Este sello es parte de nuestra misión fundacional. Nos esforzamos por realizar esta labor en forma rigurosa, con altos estándares académicos y adoptando las prácticas internacionales de las mejores universidades. A través de nuestras 18 facultades, abarcamos todas las áreas del conocimiento.

Descripción

El Magíster en Analítica para los negocios es un programa 100% online e interdisciplinario, dictado por las Escuelas de Ingeniería y Administración de la Pontificia Universidad Católica de Chile (UC), a través de Coursera.

Los graduados de esta maestría en business intelligence podrán trabajar en cualquier tipo de institución que requiera potenciar el desempeño organizacional a través del análisis de datos.

Entre los rasgos diferenciadores del programa se encuentran:

– Un aprendizaje de máxima calidad dada por el equipo docente y el prestigio UC.
– Un aprendizaje interactivo y amigable que aprovecha las posibilidades de los recursos digitales; apoyado con enseñanza y comentarios de expertos en vivo, en combinación con un aprendizaje participativo basado en equipos.
– Aplicación del concepto de aprender haciendo, con un fuerte componente práctico, cercanía entre profesores y estudiantes, y un fuerte vínculo con la industria.

El Magíster en Analítica para los negocios UC tiene una duración de 24 meses (con 22 horas semanales, 16 cursos y un trabajo final).

Es 100% online y comprende sesiones en vivo y contenido asincrónico que los participantes pueden seguir según su flexibilidad horaria y desde cualquier lugar.

Además de estas tradicionales ventajas del formato online, este magíster, que se dicta desde Chile, busca potenciar el desarrollo de habilidades transversales en medios digitales. Por ejemplo, el trabajo en equipo y liderazgo virtual de proyectos. También, el Magíster en Analítica para los negocios espera propiciar también un intercambio de culturas y experiencias diversas.

Objetivos

Potencializar los datos como activo estratégico de las organizaciones.

Aplicar herramientas para extraer, almacenar, gestionar y visualizar grandes volúmenes de datos.

Utilizar modelos y herramientas analíticas a partir de los datos, para apalancar la toma de decisiones.

Actuar con responsabilidad social y ética en la gestión de datos y su uso para la toma de decisiones.

Desarrollar conocimientos técnicos sólidos en el manejo de datos que permitirán generar un mayor valor desde posiciones de liderazgo en las organizaciones.

Adquirir la capacidad de obtener y manipular datos, analizarlos con distintas metodologías, aplicarlos a distintos contextos de negocio y comunicar los análisis de manera efectiva.

Dirigido a

Profesionales de las áreas de: ingeniería, administración, matemáticas, estadística y disciplinas afines. Quienes tengan como objetivo adquirir sólidas capacidades en analítica de datos para desempeñarse en posiciones ejecutivas y directivas de empresas e instituciones públicas y privadas.

Profesionales que busquen una formación que integre distintas áreas del conocimiento, como computación, análisis de datos y negocios, para la gestión integral de una organización basada en el análisis de datos; profesionales con sólidos valores de responsabilidad ética en el manejo de datos, su análisis y uso para la toma de decisiones.

Metodología 100% online

Aprendizaje práctico

La metodología de cada curso considera la realización de un trabajo práctico y diversas herramientas para realizar ejercicios, junto con analizar casos reales. En la actividad final de graduación se aplican los conocimientos y habilidades adquiridos.

Diversidad de formas de aprender

Los cursos cuentan con una amplia diversidad de recursos, lo que permite un aprendizaje integral. Estos incluyen videoclases, podcast, tutoriales, lecturas, clases sincrónicas, foros de discusión, trabajos individuales y grupales, ejercicios y evaluaciones.

Plataforma de Coursera

El Magíster se imparte en alianza con Coursera, plataforma de aprendizaje en línea que cuenta con una gran variedad de recursos: videoclases, lecturas, cuestionarios, ejercicios prácticos, foros de discusión, herramientas de interacción con otros estudiantes, etc.

ACLARA TUS DUDAS

Conoce detalles del Magíster en el siguiente video

Malla académica










Estrategias de negocios en la era digital
Profesor:  

Hernán Palacios, Máster Duke University (EE.UU.) Ver más...

Rodrigo Abumohor, MBA UCLA (EE.UU.) Ver más...

Plan de estudios

Sobre el curso

El curso se centra en la creación de una visión directiva de largo plazo para la determinación del futuro de la organización. Se revisan los conceptos de creación y captura de valor, a través del desarrollo y ejecución de estrategias competitivas. Los y las estudiantes obtendrán herramientas y perspectivas orientadas a desarrollar una respuesta de modelo de negocio estratégico y alineado a la organización. Se aplicarán herramientas propias del dominio digital, transformando amenazas digitales en oportunidades, para crear una ventaja competitiva y un mejor rendimiento en la empresa.

Contenidos

Unidad1: Desarrollando una estrategia de negocios
  • ¿Qué es estrategia?
  • Ventaja competitiva en el mundo digital
  • Job To be Done
  • Elementos estructurales en el diseño de una estrategia
  • Entendiendo el contexto
  • ¿Qué hay detrás de la cuarta revolución industrial?
  • Capacidades y habilidades para el futuro mundo del trabajo
  • Rompiendo paradigmas, de lo lineal a lo no lineal
Unidad 2: Estrategia digital e inteligencia artificial
  • La estrategia bajo una mirada sistémica
  • La cadena de valor en el mundo digital
  • Análisis sistémico de una herramienta
  • El rol disruptivo de los elementos digitales
  • Inteligencia artificial desde lo estratégico
  • Aplicaciones de la inteligencia artificial en las empresas
  • Transformando el negocio con IA
Unidad 3: Análisis estructural y competitivo y Estrategias Disruptivas
  • Positive feedback o retroalimentación positiva
  • Compitiendo a través del valor
  • Conceptos de valor en estrategia digital
  • Matriz de transformación digital
  • La importancia del diseño organizacional, la contracara de la estrategia
  • Aplicación de la transformación digital en el sector público
  • Diseño funcional v/s diseño neuronal
Unidad 4: Ejecución de la estrategia en la era digital
  • Construyendo recursos y capacidades para el desarrollo de la estrategia
  • Getting AI to scale
  • Estrategias digitales en el mundo del retail

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Ingeniería de datos
Profesor:  

Domagoj Vrgoc, Doctor Universidad de Edimburgo (Reino Unido)

Plan de estudios

Sobre el curso

En este curso los y las estudiantes analizarán, en una primera parte, el modelo relacional de bases de datos y su lenguaje de consultas SQL; posteriormente, se explicará el modelo de datos NoSQL; ambos en el contexto de su uso en el mundo real. El curso cuenta con una serie de actividades formativas (clases de cátedra, videos, talleres), evaluaciones, y un proyecto final.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Toma de decisiones basadas en datos
Profesor:  

Tomás Reyes, Ph.D Berkeley (EE.UU.) Ver más...

Álvaro Chacón, Ph.D (c) Pontificia Universidad Católica de Chile Ver más...

Plan de estudios

Sobre el curso

En este curso se pretende desarrollar en los y las estudiantes la capacidad para abordar y estructurar problemas de decisiones propios de la gestión de manera de orientar la toma de decisiones. El curso considera estructurar problemas de decisiones, el análisis de problemas de decisión caracterizados por la disponibilidad de una gran cantidad de información, las distintas formas de cuantificar y analizar la incertidumbre propia de los problemas de decisiones y el análisis de relaciones entre variables.

Contenidos

Unidad 1: Business Analytics y Analítica Descriptiva
  • ¿Qué es Business Analytics y su evolución?
  • Introducción al análisis descriptivo, predictivo y prescriptivo
  • Importancia de BA y aplicaciones
  • ¿Qué es la analítica descriptiva?
  • Data Aggregation (Recolección y organización de datos)
  • Data Mining (Minería de datos)
  • Visualización de datos
  • Modelando la incertidumbre
  • ¿Qué es la analítica predictiva?
  • Tipos de modelos predictivos
  • Evaluando modelos predictivos
  • Decisiones bajo certidumbre, riesgo e incertidumbre
  • ¿Qué es la analítica prescriptiva?
  • Tipos de modelos prescriptivos
  • Relevancia de los modelos prescriptivos
Unidad 2: Análisis de Decisiones
  • Árboles de Decisión
  • Decisiones óptimas con árboles de decisión
  • Árboles de decisión con información
  • El valor de la información
  • Ejemplos Aplicados
Unidad 3: Formulación matemática y gráfica
  • Optimización lineal: formulación matemática
  • Optimización lineal: formulación gráfica
  • Ejemplos Aplicados  
  • Representación Gráfica Línea recta
  • Solución problema de optimización lineal
  • Análisis de sensibilidad: precios sombra
Unidad 4: Aplicaciones Reales y el Futuro de la Toma de Decisiones Basada en Datos
  • Caso General Electric
  • Caso Starbucks
  • Análisis de sensibilidad: precios sombra
  • Consideraciones Éticas y Regulatorias 
  • Futuro de la Toma de Decisiones Basada en Datos

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Análisis de datos en Python
Profesor:  

Alejandro Cataldo, Ph.D Pontificia Universidad Católica de Chile

Plan de estudios

Sobre el curso

Este curso busca que los y las estudiantes logren comprender cómo el uso adecuado y eficiente de Python como herramienta computacional para el análisis de datos, puede mejorar su toma de decisiones dentro de su organización. Para ello, se introducirán los conceptos básicos y generales del análisis de datos, se revisará la importancia de visualizar e identificar valor en los datos y cómo los distintos métodos descriptivos, predictivos, y prescriptivos permiten evidenciar oportunidades y justificar decisiones. Para ejemplificar estos conceptos y su desarrollo a través de Python, se verán casos prácticos en industrias diversas.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Minería de datos con R
Profesor:  

Cristián Vásquez, Ph.D Pontificia Universidad Católica de Chile

Plan de estudios

Sobre el curso

El curso está dirigido a profesionales que ejercen tareas relacionadas a gestión y análisis de datos con énfasis en la programación. Se entregan las principales competencias para que sus egresados puedan desarrollar todas las etapas que requiere un proyecto analítico, tales como: identificar la necesidad del negocio y proponer una efectiva solución estratégica con la información disponible; recolectar, limpiar y gestionar la información proveniente de distintas fuentes de datos; extraer conocimiento a través de métodos del aprendizaje estadístico y, finalmente visualizar y comunicar los resultados utilizando las principales plataformas computacionales del mercado. Además, el curso brinda conocimiento para integrar todas etapas del desarrollo de un proyecto analítico con plataformas de Big Data.

Contenidos

Unidad 1: Introducción al Data Mining y lenguaje R
  • ¿Qué es el Data Mining?
  • Introducción al Data Mining y proceso KDD
  • Data Mining aplicado a la industria financiera
  • Plataformas analíticas para desarrollar un proyecto de Data Mining
  • Introducción a R
  • Conceptos básicos del Lenguaje R
  • Principales objetos y funciones de R
  • Librerías y tipos de datos en R
Unidad 2: Gestión y visualización de datos
  • ¿Cómo adquirir la data? 
  • Extracción de información de diferentes fuentes de abastecimiento
  • Gestión de datos utilizando la librería dplyr
  • Limpieza y Transformación de datos
  • Resumen de información en R
  • Estadísticas descriptivas para resumir datos
  • Visualización de los datos con ggplot2 y plotly.
  • Medidas de similitud y asociación.
Unidad 3: Componentes Principales y Clasificación No Supervisada
  • Análisis de correlación de variables
  • Problemas con la dimensión de la información
  • Introducción a Componentes Principales
  • Aplicación de PCA al valor del cliente en el Retail
  • Introducción a los métodos de Clasificación No Supervisados
  • Medidas de similaridad: Distancias
  • Método jerárquico Kmedias para clasificación
  • Clasificación de los clientes en el retail utilizando Kmedias
Unidad 4: Modelos Predictivos Supervisados y Reportes Analíticos
  • EPF: Encuesta de Presupuesto Familiar para la elaboración de políticas publicas
  • Modelos de Regresión Lineal para estimación de los  ingresos por hogar utilizando la EPF
  • Estimación de los ingresos por hogar utilizando la EPF
  • Introducción a Flexdashboard
  • Uso de la librería Flexdashboard para el seguimiento de la pandemia en Chile

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Visualización de Datos
Profesor:  

Denis Parra, Ph.D University of Pittsburgh (EE.UU.)

Plan de estudios

Sobre el curso

En este curso los y las estudiantes obtendrán conocimientos y habilidades para resumir y comunicar resultados de métodos de computación, estadística, minería y análisis de datos. Dentro de las actividades prácticas del curso, los estudiantes estudiarán técnicas y algoritmos para analizar, diseñar y crear visualizaciones efectivas, basadas en principios de diseño gráfico, artes visuales, y psicología cognitiva. El curso estará orientado a estudiantes con experiencia previa en programación.

Contenidos

Unidad 1: Fundamentos
  • Definiciones y ejemplos históricos
  • Marcas, canales, y procesamiento humano de la información
  • Modelo anidado de Munzner para diseño y validación de visualización
  • Reglas y recomendaciones generales para visualizaciones efectivas
Unidad 2: Gráficos básicos en Python para datos tabulares
  • Gráficos de barras, barras apiladas, puntos y líneas
  • Gráficos de dispersión, de burburjas y de flujos
  • Gráficos para distribuciones: histograma, densidad, caja y violin
  • Múltiples ejes, radial y torta
Unidad 3: Gráficos avanzados en Python para datos tabulares
  • Mapa de calor, densidad 2D, treemap
  • Matriz de gráficos y pequeños múltiples
  • Reducción de dimensionalidad lineal
  • Reducción de dimensionalidad no lineal
Unidad 4: Implementación de gráficos en Python con datos de red, texto y espaciales
  • Grafos y árboles: diagramas nodo-enlace y de adyacencia
  • Grafos y árboles II: gráficos tipo encierro, clustermap y dendograma
  • Visualización de texto
  • Visualización espaciotemporal

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Modelos analíticos
Profesor:  

Juan Urquiza, Ph.D Universidad de Houston (EE.UU.) Ver más...

Plan de estudios

Sobre el curso

Es un curso que entrega en sus egresados un conocimiento vanguardista de las principales herramientas para el modelamiento analítico de datos. Con los métodos presentados en el curso, los alumnos podrán enfrentar los nuevos desafíos de la era digital en sus organizaciones, resolver problemas de negocios haciendo un uso efectivo de la información y generando valor agregado en los procesos críticos de sus organizaciones. Además, el alumno egresado podrá integrar los métodos expuestos en el curso con plataformas de Big Data para aplicar modelos analíticos sobre grandes volúmenes de información.

Contenidos

Unidad 1: Regresión Clásica
  • Modelo de regresión clásica
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística, predicción y bondad de ajuste
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 2: Extensiones Regresión Clásica
  • Variables independientes categóricas
  • Selección de variables
  • Inferencia causal
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 3: Regresión Logística
  • Modelo de Regresión Logística
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística
  • Análisis de chances (odds)
  • Predicción y matrices de confusión
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 4: Modelos para Variables Categóricas
  • Modelos para variables categóricas
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 5: Árboles de regresión
  • Árboles para variables cuantitativas
  • Árboles para variables cualitativas
  • Pruning

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Machine Learning
Profesor:  

Hans Löbel, Ph.D Pontificia Universidad Católica de Chile.

Plan de estudios

Sobre el curso

En este curso se introducen los conceptos fundamentales del Aprendizaje de Máquina y las metodologías que se utilizan en esta disciplina. En particular, el y la estudiante aprenderá los principios básicos de inferencia inductiva revisando algunas de las técnicas más utilizadas, que le permitirán crear programas que aprenden cómo resolver una tarea sin haber sido programados previamente para ello.

Contenidos

Unidad 1: Introducción a Machine Learning
  • ¿Qué es Machine Learning?
  • La historia de la IA y Machine Learning
  • Esquemas de aprendizaje
  • Relación entre los esquemas de aprendizaje y la resolución de problemas reales
  • Aprendizaje vs programación
  • Representación de datos
  • Elementos básicos de scikit-learn
  • Evaluación de rendimiento
  • Entrenamiento y evaluación de modelos
  • Construcción conceptual de un sistema de Machine Learning
Unidad 2: Técnicas de aprendizaje supervisado parte 1
  • Técnicas de vecinos más cercanos (similar a título original)
  • Aspectos prácticos de vecinos más cercanos
  • Árboles de decisión
  • Implementación de un árbol de decisión
  • Random forests
  • efecto de las estrategias aleatorizantes en random forests
  • Bagging y boosting
  • Uso de distintos tipos de ensamble
Unidad 3: Técnicas de aprendizaje supervisado parte 2 (similar al título original)
  • Formulación principal de SVM
  • Visualización de los vectores de soporte de un SVM
  • Extensiones de SVM
  • Visualización de superficies de clasificación y margen
  • Perceptron
  • Multi-layer Perceptron
  • Implementación de backpropagation
  • La historia de las redes neuronales
Unidad 4: Aprendizaje no supervisado
  • Técnicas de clustering
  • Selección del número de cluster en K-Means
  • PCA y tSNE
  • Visualización de representaciones de dimensionalidad reducida
  • Implementación de un pipeline completo de Machine Learning utilizando un conjunto de datos real

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Liderazgo para generar impacto
Profesor:  

Verónica Vásquez, Psicóloga Pontificia Universidad Católica de Chile

Plan de estudios

Sobre el curso

Este curso busca que los y las estudiantes puedan aumentar su capacidad de influencia, desarrollando las competencias necesarias para ejercer un liderazgo efectivo en las personas de su equipo, de otras áreas y de su organización. Que sean capaces, en entornos ágiles, de liderar y/o conformar buenos equipos de trabajo. Equipos en que los integrantes logren colaborar, comunicarse efectivamente y valoren la diversidad, para así lograr sinergia y resultados de excelencia.

Contenidos

Módulo 1: Liderando equipos y personas en tiempos de transformaciones e incertidumbre
  • ¿Qué sabemos de liderazgo?
  • Desafíos actuales de liderazgo
  • ¿Qué necesitamos para un liderazgo efectivo? (autoconocimiento y modelo de competencias)
  • Autoevaluación en el modelo de competencias
  • Qué son las emociones desde la neurociencia
  • Competencias de manejo emocional
  • Regulación emocional e importancia para el liderazgo (este es similar el título que tenía en el programa)
  • Estrategias para gestionar emociones negativas 
  • Estrategias para instalar positividad
Módulo 2: Conducción de equipos de alto desempeño
  • Las características de los equipos de alto desempeño
  • Las etapas de desarrollo para transitar de grupo a equipo, liderando el proceso
  • Diagnóstico del propio equipo de trabajo, identificar brechas y estrategias de desarrollo
  • Atributos clave: comunicación efectiva, generar confianza y colaborar 
  • Modelo para incrementar la confianza.
  • Estrategias de colaboración para el logro de objetivos.
  • Construir relaciones personales con compromiso
Módulo 3: Comunicación para la acción y feedback
  • Trabajar es conversar
  • Influir sin poder formal
  • Conductas sociales: agresiva, pasiva, pasiva-agresiva y asertiva
  • Ganancias y costos de cada una, aplicación personal.
  • Importancia de la comunicación asertiva para el liderazgo, para conversaciones movilizadoras y/o difíciles
  • Pasos para desarrollar la asertividad como habilidad social e interpersonal
  • Habilidades básicas de la comunicación asertiva: lenguaje no verbal, escuchar en forma activa, lenguaje en primera persona.
  • Importancia del feedback para la gestión del desempeño en el día a día, como un estilo de comunicación y como parte de la cultura organizacional
  • Dar y recibir feedback: crítica constructiva y reconocimiento

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Plan de estudios

Sobre el curso

En este curso, los y las estudiantes aprenderán a trabajar con datos masivos, ya sea estructurados o semiestructurados, a recolectar información desde fuentes web, y a hacer análisis basados en descripciones de los sets de datos. Metodológicamente, en el curso se trabaja con aprendizaje basado en problemas, en donde todas las semanas se orientan a resolver un problema en particular.

Contenidos

Módulo 1: Modelo de regresión clásica
  • Paradigma de Data Warehousing (similar al título original)
  • Trabajando con datos en la Nube
  • Introducción a Google Cloud Platform y Big query
  • Consultando datos en Big Query
  • Map Reduce
  • Algoritmos con Map Reduce
  • Databricks como plataforma de computo
  • Map Reduce en Databricks
Módulo 2: Trabajo con texto
  • TF-IDF y búsqueda
  • Índices para búsqueda por texto
  • Búsqueda por texto en BigQuery
  • Análisis de logs o registros
  • Estructura de la web
  • Scrap de HTML
  • Acceso a API (Twitter o similar)
  • Scrap Información en la web
Módulo 3: Búsqueda de elementos de datos básicos
  • Elementos como conjuntos
  • Locally sensitive hashing 
  • Etapas en el procesado de datos para búsqueda de elementos similares
  • Técnicas de minería v/s inteligencia artificial
  • Modelos de canastas y reglas de asociación
  • Algoritmo a-priori
  • Etapas en el procesado para búsqueda de elementos
  • Aplicaciones de elementos frecuentes
Módulo 4: Grafos y redes sociales
  • El paradigma de grafos y sus aplicaciones
  • Extracción de información en grafos
  • Centralidad, pagerank
  • Detección de comunidades

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Plan de estudios

Seminario I

La actividad final consiste en un seminario dividido en tres partes, en el cual los y las estudiantes desarrollan un proyecto que resuelve un problema real de una organización, a través del análisis de datos. Esta organización puede ser una empresa, un organismo público, una ONG, o un emprendimiento. En el Seminario de Graduación I, se deberá definir la problemática organizacional que requiere ser abordada, evaluar la disponibilidad de datos, identificar las técnicas analíticas que se utilizarán para abordarla, y se deberá proponer un plan de trabajo.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Plan de estudios

Seminario II

En la segunda parte de la actividad final, el Seminario de Graduación II, se deberá obtener, depurar y estructurar los datos utilizados para resolver la problemática organizacional. El proyecto deberá usar datos y metodologías de análisis orientadas a resolver el problema planteado y mejorar la toma de decisiones que enfrente la organización.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Plan de estudios

Seminario III

En la tercera y última parte de la actividad final, se deberá aplicar las metodologías analíticas necesarias para resolver la problemática organizacional definida, analizar los resultados obtenidos, y proponer recomendaciones para la toma de decisiones.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Optativo
Profesor:  

Andrés Elberg, Ph.D. University of California, Berkeley, EE. UU. Ver más...

Andrés Ibáñez, MBA Northwestern University (EE.UU.) Ver más...

Consuelo Silva, Ph.D Tilburg University (Holanda) Ver más...

Denis Parra, Ph.D University of Pittsburgh (EE.UU.) Ver más...

Jorge Muñoz, Ph.D Universitat Politècnica de Catalunya (España) Ver más...

Juan Carlos Ferrer, Ph.D. MIT (EE.UU.) Ver más...

Marcela Valenzuela, Ph.D London School of Economics (Reino Unido) Ver más...

Marcelo Arenas, Ph.D University of Toronto (Canadá) Ver más...

Sergio Valenzuela Ibarra, Ph.D California School of Professional Psychology (EE.UU.) Ver más...

Plan de estudio

Cursos optativos

Para completar el Magíster debes elegir y cursar exitosamente 6 cursos optativos.

Listado de cursos

Optativo opción 1: Analítica de operaciones
El curso se centra en cómo se pueden utilizar los datos para hacer coincidir de manera rentable la oferta con la demanda en diversos entornos de negocio. El o la estudiante aprenderá cómo modelar las incertidumbres de la demanda futura, cómo predecir los resultados de elecciones entre políticas alternativas, y cómo elegir el mejor curso de acción frente al riesgo. Se analizarán casos de negocio reales, métodos y software disponibles para abordar estos desafíos cuantitativamente. El énfasis está en el uso práctico de herramientas analíticas para maximizar los objetivos operacionales más que en los detalles de los modelos.

Optativo opción 2: Analítica de cliente
El curso introduce a las herramientas analíticas más utilizadas en marketing, para entender mejor al cliente y predecir su respuesta ante acciones de marketing alternativas. Se incluyen: introducción a modelos estadísticos y de machine learning aplicados a la predicción de fuga y direccionamiento de campañas; y el uso de herramientas de analítica causal en la evaluación de iniciativas en los ámbitos de adquisición y retención de clientes. Se utiliza el enfoque científico del marketing, mediante el uso de tecnologías y software computacional para recolectar, analizar y actuar en base a la información de clientes.

Optativo opción 3: Minería de procesos
El curso presenta el estado del arte en Minería de Procesos (Process Mining). Los y las estudiantes analizarán datos generados por sistemas de información sobre los procesos de negocio que apoyan, para poder entender, monitorear, analizar y mejorar dichos procesos. Se presentarán las metodologías, algoritmos y software que permiten analizar procesos de negocio a partir de los datos. Los estudiantes tendrán la oportunidad desarrollar su pensamiento crítico, entendiendo así cuál es el potencial de la Minería de Procesos y sus límites hoy.

Optativo opción 4: Seguridad, privacidad y protección de datos
Este curso busca proporcionar una visión sobre la importancia de la privacidad y protección de los datos en el contexto del análisis de datos para la toma de decisiones. Se describen los marcos regulatorios internacionales sobre privacidad y protección de datos, y se enseñan los conceptos básicos y herramientas para asegurar la privacidad de los datos en las organizaciones

Optativo opción 5: Analítica y estrategia de precios
El curso desarrolla los conceptos y herramientas analíticas de precios bajo la perspectiva de marketing y como parte integrante de una estrategia comercial de la empresa. Se analizan los diversos factores que influyen en la determinación de una estrategia de precios de una empresa, tales como los costos, la demanda y la competencia, entre otros. Se profundiza en el rol de la información, datos de demanda y modelos analíticos, en la toma de decisiones de precios.

Optativo opción 6: Sistemas recomendadores
Los sistemas recomendadores tienen como objetivo ayudar a un usuario o a grupos de usuarios a filtrar y descubrir información relevante, de manera personalizada, desde grandes volúmenes de datos. En este curso, los y las estudiantes estudiarán los principales algoritmos usados para generar recomendaciones, las fuentes de datos usadas por dichos algoritmos, y diversas formas de evaluar la calidad de un sistema recomendador. El curso se desarrollará a través de videos y algunas lecturas, así como con evaluaciones incrementales con alternativas, y con evaluaciones prácticas donde deben programar en lenguaje Python.

Optativo opción 7: Analítica de personas
Se espera que los y las estudiantes logren comprender y analizar variables claves del comportamiento organizacional y la gestión de personas, para potenciar decisiones que agreguen valor al negocio. En este curso se analiza el impacto que la gestión de personas tiene en los resultados de las empresas y se exploran variables a nivel individual, grupal y organizacional que impactan en la efectividad organizacional. A partir del desarrollo de ejercicios, casos, y simulaciones, los estudiantes serán capaces de medir de manera válida y confiable variables asociadas a las personas y generar información clave para la toma de decisiones estratégicas.

Optativo opción 8: Métodos empíricos en finanzas
Este curso es una introducción a métodos empíricos usados en finanzas. Esto significa la aplicación de técnicas estadísticas y econométricas para testear diversas hipótesis y modelos de la teoría financiera. El curso supone un conocimiento previo básico en estadística y econometría por parte de los y las estudiantes. Al inicio del curso se repasarán algunos temas básicos de econometría y finanzas. Esto se logrará a través de clases de online, clases sincrónicas, lecturas y la realización de proyectos o tareas. La evaluación del curso será mediante evaluaciones formativas y sumativas, entregas de proyectos o tareas y participación en foros, entre otras.

Optativo opción 9: Deep Learning
El gran poder del deep learning radica en su habilidad para identificar regularidades, o patrones, en datos de manera automática. Además, su rendimiento suele ser muy superior al del resto de las técnicas de aprendizaje de máquina. El objetivo de este curso es proveer los conocimientos necesarios para utilizar deep learning de manera efectiva. Para ello, es necesario entender cómo funciona y por qué. Todo contenido teórico es visto en vías de entender los principios prácticos que hacen funcionar deep learning.

Optativo opción 10: Análisis de redes sociales
En este curso los y las estudiantes aprenderán los conceptos básicos, modelos principales para generar grafos y metodología de inferencia estadística para la investigación de redes sociales. Además, los estudiantes serán capaces de comparar teorías y metodologías desde distintas disciplinas como estadística, ciencia de la computación y ciencias sociales. En particular, los estudiantes adquirirán herramientas para visualizar, representar, estimar y extraer patrones significativos de redes sociales.

Optativo opción 11: Financial Technology (FinTech)
En los últimos años, los cambios experimentados por la industria financiera no sólo se remiten a la utilización de grandes volúmenes de datos, sino que también incluyen tecnologías disruptivas como blockchain que permiten la aparición de nuevos activos financieros (criptoactivos). En este curso los y las estudiantes podrán comprender de mejor manera el impacto de la tecnología sobre los modelos de negocios de empresas del área financiera. Lo anterior se logrará a través de clases expositivas (sincrónicas y asincrónicas), lecturas y tareas. Los y las estudiantes serán evaluados a través de controles sobre la bibliografía mínima y los tópicos discutidos en clase, participación en foros y un trabajo individual que englobará los principales temas vistos durante el curso.

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Directores de programa

Magíster en Analítica para los Negocios UC - Coursera
Pablo Marshall

Ph.D London School of Economics (Reino Unido)

Pablo Marshall es co-director del Magíster en Analítica para los negocios de la Pontificia Universidad Católica de Chile (UC).

Ph.D en Estadística, London School of Economics, Reino Unido, se desempeña como profesor titular de la UC y dicta los cursos Marketing Analytics y Métodos Cuantitativos para programas de Ingeniería Comercial y MBA. También es director del curso Big Data & Business Analytics, para ejecutivos (UC).

Además, es asesor de empresas y organizaciones en temas de marketing analytics y learning analytics.

Líneas de investigación actuales: big data, marketing analytics y learning analytics.

Magíster en Analítica para los Negocios UC - Coursera
Marcos Sepúlveda

Ph.D Pontificia Universidad Católica de Chile

Marcos Sepúlveda es director del Magíster en Analítica para los negocios UC Chile.

Tiene un Ph.D y Magíster en Ciencias de la Ingeniería, área Ciencia de la Computación, de la Pontificia Universidad Católica de Chile (UC). Es ingeniero civil de Industrias mención en Computación de la UC.

Es profesor asociado de la Escuela de Ingeniería de la UC, en el área de Tecnologías de Información.

Sus intereses académicos están ligados a minería de procesos, gestión de procesos de negocios y al uso estratégico de las TI en las empresas.

Profesores

Alejandro Cataldo

Ph.D Pontificia Universidad Católica de Chile

Alejandro Cataldo es Ph.D en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC), 2018.Académico de la Escuela de Ingeniería y del Instituto de Ingeniería Matemática y Computacional de la UC.Asimismo, se ha especializado en herramientas analíticas y matemáticas para apoyar procesos de toma de decisiones en sistemas complejos.Además, en el sector público, ha sido consultor para el Ministerio de Salud y de Educación, Corfo, Junaeb y municipalidades; en el sector privado, empresas de minería, forestales, agroindustriales, cadenas de supermercados, farmacias, veterinarias y el sector bancario.Cuenta con más de 13 publicaciones científicas de alto impacto en investigación de operaciones.

Andrés Elberg

Ph.D. University of California, Berkeley, EE. UU.

Andrés Elberg tiene un Ph.D, University of California, Berkeley, Estados Unidos. Es profesor asistente de la Escuela de Administración, área de marketing, de la Pontificia Universidad Católica de Chile (UC).Asimismo, se desempeña como coordinador de la Unidad de Estudios del Ministerio de Hacienda en Chile. Tiene una amplia trayectoria como profesor en diferentes instituciones nacionales.

Andrés Ibáñez Tardel
Andrés Ibáñez

MBA Northwestern University (EE.UU.)

Andrés Ibáñez tiene un MBA, JL. Kellogg Graduate School, Northwestern University (1989). Ingeniero comercial de la Pontificia Universidad Católica de Chile (UC).Es profesor de marketing de la Escuela de Administración, Pontificia Universidad Católica de Chile (UC). Además, se desempeña como director de Relaciones Internacionales y del Centro de Desarrollo Directivo de la misma unidad académica UC.Ha sido director de la Escuela de Administración de la UC y director MBA-UC.Tiene experiencia como director y asesor de empresas en temas comerciales.

Consuelo Silva
Consuelo Silva

Ph.D Tilburg University (Holanda)

Consuelo Silva es Ph.D Economics,  M.Sc. Economics y M.Phil. Economics, Tilburg University, Holanda. También es economista y magíster en Economía de la Pontificia Universidad Católica de Chile (UC).Actualmente se desempeña como profesora asistente de la Escuela de Administración de la UC.

Cristián Vásquez

Ph.D Pontificia Universidad Católica de Chile

Cristián Vásquez es Ph.D en Estadística, Pontificia Universidad Católica de Chile.Sus líneas de trabajo son inteligencia de negocio, business analytics, herramientas de carga financiera, automatización de reportería y de procesos SAS, riesgo crédito, manejo de algoritmos de machine learning, manejo de análisis econométrico con series de tiempo financiera y otros.Ha sido consultor y asesor en empresas del rubro financiero, tales como: Banco BBVA, Banco Santander, Caja de Compensación Los Andes, Cámara de Comercio de Santiago, Banco Security, TransUnion Chile, entre otras.

Denis Parra
Denis Parra

Ph.D University of Pittsburgh (EE.UU.)

Denis Parra es Ph.D. en Philosophy in Information Science, University of Pittsburgh, Estados Unidos.Profesor del Departamento de Ciencia de la Computación de Ingeniería de la Pontificia Universidad Católica de Chile (UC).Además, realiza investigación y desarrollo de sistemas sociotécnicos, desde diversas perspectivas.Entre sus áreas de interés se encuentran los sistemas recomendadores y el uso de visualizaciones tanto para crear aplicaciones como para analizar los datos.

Domagoj Vrgoc
Domagoj Vrgoc

Doctor Universidad de Edimburgo (Reino Unido)

Domagoj Vrgoc es doctor en Ciencias de la Computación, Universidad de Edimburgo (Reino Unido), 2014.Es profesor asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica (UC).Además, sus áreas de interés son bases de datos, la web semántica y teoría de computación.Asimismo, la British Computing Society destacó su tesis de doctorado como una de las mejores de su generación.

Hans Löbel

Ph.D Pontificia Universidad Católica de Chile.

Hans Löbel es Ph.D. en Ciencia de la Ingeniería área Ciencia de la Computación, Pontificia Universidad Católica de Chile (UC).Asimismo, es profesor de los departamentos de Ciencia de la Computación e Ingeniería de Transporte y Logística, de Ingeniería de la UC.Premio a la mejor tesis doctoral 2016 UC en Tecnología, Ingeniería y Procesos Productivos.Sus áreas de interés se centran en el desarrollo y aplicación de nuevos métodos de aprendizaje de máquina a problemas relacionados con smart cities y sistemas inteligentes de transporte.

Hernán Palacios
Hernán Palacios

Máster Duke University (EE.UU.)

Hernán Palacios tiene un Máster en Economía, Duke University, EE.UU. Es ingeniero comercial, Universidad de Chile.Profesor de la Escuela de Administración de la Pontificia Universidad Católica de Chile (UC) y director del Diploma de Marketing de la misma casa de estudios. Fue director del Programa MBA de la UC.Es especialista en marketing y ventas, canales de distribución y estrategia de producto y marca.Ha sido consultor en múltiples empresas y actualmente se desempeña en varios directorios.

Jorge Muñoz

Ph.D Universitat Politècnica de Catalunya (España)

Jorge Muñoz es Ph.D en Computación, Universitat Politècnica de Catalunya. 2014.Es autor de más de 80 publicaciones en process mining, incluyendo el libro Conformance Checking and Diagnosis in Process Mining.Miembro del IEEE Task Force on Process Mining Steering Committee y chair en la Business Process Management.

Juan Carlos Ferrer
Juan Carlos Ferrer

Ph.D. MIT (EE.UU.)

Juan Carlos Ferrer es Ph.D in Management en el Massachussets Institute of Technology, MIT (EE.UU.) e ingeniero civil industrial y M.Sc. de la Pontificia Universidad Católica de Chile (UC). Desde 1995 se ha desempeñado como profesor del Departamento de Ingeniería Industrial y de Sistemas de la UC. Además, en dos oportunidades (2009 y 2015) ha sido Visiting Professor en MIT Sloan School of Management. Ha ocupado diversos cargos en la Escuela de Ingeniería de la UC. Entre ellos, vicedecano, director de Desarrollo y Financiamiento, y director del Departamento de Ingeniería Industrial y de Sistemas. Su área de investigación es gestión de operaciones, específicamente en temas de optimización de políticas de precios e inventarios, composición y fijación de precio de paquetes de productos y servicios, y asignación óptima de turnos de trabajo y logística.

Juan Urquiza

Ph.D Universidad de Houston (EE.UU.)

Juan Urquiza es Ph.D, Universidad de Houston (EE.UU.) y B.A., Economics, Universidad del CEMA (Argentina).Profesor docente asistente de la escuela de Economía y Administración de la Pontificia Universidad Católica de Chile (UC).Asimismo, sus áreas de interés son macroeconomía, series de tiempo, econometría.Cuenta con una amplia trayectoria docente en diferentes instituciones nacionales e internacionales como la Universidad del CEMA y la Universidad de Houston.

Marcela Valenzuela
Marcela Valenzuela

Ph.D London School of Economics (Reino Unido)

Marcela Valenzuela es Ph.D in Finance, London School of Economics, Reino Unido. Es ingeniera industrial y tiene un Magíster en Ingeniería Industrial de la Pontificia Universidad Católica de Chile (UC).Es profesora asistente de la Escuela de Administración de la UC. Ha sido coinvestigadora del Centro de Riesgo Sistémico de la London School of Economics e investigadora asociada del Instituto Milenio Markets Imperfections and Public Policy.Su línea de investigación es finanzas.Ha realizado más de 7 publicaciones en sitios como The Review of Financial Studies, Journal of Financial and Quantitative Analysis, Journal Of Economic Dynamics & Control, Journal of Money, Credit and Banking, Journal of Banking and Finance.

Marcelo Arenas

Ph.D University of Toronto (Canadá)

Marcelo Arenas es Ph.D en Ciencias de la Computación, University of Toronto, Canadá.Profesor titular del Departamento de Ciencia de la Computación y del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica de Chile (UC).Asimismo, es miembro distinguido de la Association for Computing Machinery (ACM). Se trata de la sociedad internacional más grande y antigua en el área de la computación.Además, es director del Instituto Milenio Fundamentos de los Datos, y dirigió el Centro de Investigación de la Web Semántica.Sus intereses de investigación se encuentran en las áreas de gestión de datos, aplicaciones de lógica matemática en ciencia de la computación y web semántica.

Rodrigo Abumohor

MBA UCLA (EE.UU.)

Rodrigo Abumohor es MBA UCLA, EE.UU., 2000. Ingeniero comercial UC, 1994.Asimismo, es empresario del área retail e inmobiliaria en Chile y EE.UU. Participa de varios directorios relacionados con empresas en estos sectores.Es presidente del Consejo Nacional de Competencias Industrias 4.0, liderado por el principal gremio empresarial del país, Confederación de la Producción y el Comercio (CPC).

Sergio Valenzuela Ibarra

Ph.D California School of Professional Psychology (EE.UU.)

Sergio Valenzuela Ibarra es Ph.D y M.Sc. in Industrial-Organizational Psychology, California School of Professional Psychology (CSPP), EE.UU. Es psicólogo, Universidad de Chile.En la Pontificia Universidad Católica de Chile, se desempeña como profesor de la Escuela de Administración y la Escuela de Psicología, enseñando materias relacionadas con el comportamiento organizacional y la gestión de personas.Además, es asesor experto en organismos públicos y privados en temas de gestión de la diversidad, liderazgo y equipos de alto desempeño. También en medición y métricas de procesos de gestión de personas.

Tomás Reyes
Tomás Reyes

Ph.D Berkeley (EE.UU.)

Tomás Reyes es Ph.D y magíster en Ciencias en Administración de Negocios, con concentración en Finanzas, de la Universidad de California, Berkeley (2012), EE.UU.Profesor asociado de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile (UC).Es el co-director del Magíster en Inversiones y Finanzas Aplicadas, director del Laboratorio de Finanzas Itaú y del Magíster en Ingeniería Industrial (MII).Ha publicado múltiples artículos académicos en revistas internacionales. Es consultor y director de empresas.

Verónica Vásquez
Verónica Vásquez

Psicóloga Pontificia Universidad Católica de Chile

Verónica Vásquez es psicóloga, Pontificia Universidad Católica de Chile, (1993).Profesora asociada de la Escuela de Administración de la Pontificia Universidad Católica de Chile (UC). Certificada en coaching ejecutivo, por The International School of Coaching, TISOC.Además, es consultora de empresas en coach a ejecutivos y asesoría en procesos de desarrollo de liderazgo y de equipos de alto desempeño a nivel gerencial.

Álvaro Chacón
Álvaro Chacón

Ph.D (c) Pontificia Universidad Católica de Chile

Álvaro Chacón Hiriart es Ph.D (c), MBA, M.Sc. e ingeniero civil de Industrias de la Pontificia Universidad Católica de Chile (UC). Además, tiene un Master of Engineering Management de la Universidad de Melbourne (Australia).Es profesor de la UC en temáticas relacionadas con economía del comportamiento, analítica de datos, inteligencia artificial en negocios y negociación.Su área de investigación es ciencias del comportamiento y, en particular, en la interacción humano-máquina.Ha ocupado cargos gerenciales y directivos en importantes empresas multinacionales y organizaciones sociales, como también ha sido director de emprendimientos.

Ventajas

Prestigio UC

La UC es una universidad pública no estatal fundada en 1888, que ocupa hace varios años el primer lugar en el ranking QS Latinoamericano.

El compromiso con la calidad es nuestro sello. Mantenemos altos estándares académicos y adoptamos las mejores prácticas internacionales de educación superior. En 18 facultades, abarcamos todas las áreas del conocimiento.

Equipo docente de excelencia

La UC promueve la investigación científica y aplicada de impacto entre sus académicos, quienes cuentan con gran experiencia en pregrado, postgrado y educación continua. Los profesores son expertos en los temas del programa; con vasta presencia internacional en investigación y desarrollo de proyectos de transferencia con empresas e instituciones del Estado.

Flexibilidad

Los estudiantes podrán ajustar el programa a sus horarios, dentro de un cierto período. Además, contarán con el apoyo de tutores y con clases sincrónicas para interactuar con sus profesores. También tendrán disponibles herramientas tecnológicas para el desarrollo de proyectos y para fomentar la interacción entre estudiantes, profesores y tutores.

Requisitos de Admisión

Para postular al programa debes llenar tu postulación en línea y cumplir con los siguientes requisitos:

  • Licenciatura o título profesional universitario
  • 2 años de experiencia laboral
  • Conocimientos en estadística y programación (se certifican a través de una prueba de admisión o estudios que los acrediten).

Deberás presentar también los siguientes documentos:

  • Certificado de Licenciatura o Certificado de Título (para postular no se necesita copia validada ante notario o la institución que corresponda para validarlo en el país de origen, pero antes de ingresar al programa sí se requiere)
  • Currículum Vitae
  • Certificado de concentración de notas y ranking de estudios universitarios, títulos o grados previos
  • Una carta de motivación
  • Una carta de recomendación (puedes revisar esta guía que te ayudará a solicitarla)

Inversión

Precios

Precio :
USD $10.000

CLP $8.700.000

Medios de pagos Chile

  • 12 cuotas sin interés con tarjeta de crédito
  • Pago al contado vía transferencia electrónica, con lo que obtendrás un 5% de descuento acumulable
  • Pago en 10 cuotas bimestrales a través de webpay

Medios de pagos internacional

  • Pago al contado vía transferencia electrónica, con lo que obtendrás un 5% de descuento acumulable
  • Pago en 10 cuotas bimestrales a través de paypal

 

Clase Ejecutiva UC

Certificados apostillados

Una de las características más importantes de los títulos emitidos por la Pontificia Universidad Católica de Chile es que pueden ser apostillados gracias al Convenio de la Apostilla de la Haya. La Apostilla es una certificación única que permite agilizar el proceso de acreditación y certificación de títulos o documentos extranjeros en algún país miembro del Convenio de la Apostilla. Los documentos emitidos en Chile para ser utilizados en un país miembro del Convenio de la Apostilla que hayan sido certificados mediante una Apostilla, deberán ser reconocidos en cualquier otro país del convenio sin necesidad de otro tipo de certificación. Más información sobre el proceso de Apostilla en http://apostilla.gob.cl. El título de grado es apostillable. Sin embargo, UC Chile no se hace parte de la gestión de apostillarlo.

Conoce el Magíster